Apresentação

Esse trabalho visa apresentar o desempenho dos munícipios gaúchos nos blocos educação, renda e saúde no período de 2007 a 2014. Os dados são baseados no IDESE, um indicador-síntese desenvolvido pela Fundação de Economia e Estatística com o propósito de mensurar o nível de desenvolvimento socioeconômico dos municípios gaúchos, bem como fornecer informações para o planejamento de políticas públicas.

As regiões do Rio Grande do Sul a serem consideradas são as seguintes:

Leitura e Limpeza

library(dplyr)
library(magrittr)
library(lubridate)
library(ggplot2)
library(skimr)
library(tidyr)
library(highcharter)
library(devtools)
library(mapsBR)
library(sf)
library(leaflet)
library(DT)

#install_github(lgsilvaesilva/mapsBR')

library(rgeos)

idese <- readRDS('data/Idese Municipios 2007-2014.rds')
  
# Exibir o nome das colunas
colnames(idese)
##  [1] "TIPO_UNID"                                                              
##  [2] "COD"                                                                    
##  [3] "NOME"                                                                   
##  [4] "ANO"                                                                    
##  [5] "Bloco Educação"                                                         
##  [6] "Bloco Educação\\Ensino Fundamental"                                     
##  [7] "Bloco Educação\\Ensino Fundamental\\Anos Finais"                        
##  [8] "Bloco Educação\\Ensino Fundamental\\Anos Iniciais"                      
##  [9] "Bloco Educação\\Ensino Médio"                                           
## [10] "Bloco Educação\\Escolaridade Adulta"                                    
## [11] "Bloco Educação\\Pré Escola"                                             
## [12] "Bloco Renda"                                                            
## [13] "Bloco Renda\\Apropriação da Renda"                                      
## [14] "Bloco Renda\\Geração da Renda"                                          
## [15] "Bloco Saúde"                                                            
## [16] "Bloco Saúde\\Condições Gerais de Saúde"                                 
## [17] "Bloco Saúde\\Condições Gerais de Saúde\\Óbitos por Causas Evitáveis"    
## [18] "Bloco Saúde\\Condições Gerais de Saúde\\Óbitos por Causas Mal Definidas"
## [19] "Bloco Saúde\\Longevidade"                                               
## [20] "Bloco Saúde\\Saúde Materno Infantil"                                    
## [21] "Bloco Saúde\\Saúde Materno Infantil\\Consultas Pré Natal"               
## [22] "Bloco Saúde\\Saúde Materno Infantil\\Mortalidade de Menores de 5 anos"  
## [23] "Idese"                                                                  
## [24] "População"
# Remoção de caracteres especiais das colunas
names(idese) <- make.names(names(idese))

# Deixar as colunas em lowcase
names(idese) <- tolower(names(idese))

# Renomear algumas colunas
idese <- idese %>% 
  rename(
    bl_edu = bloco.educação,
    bl_edu_ef = bloco.educação.ensino.fundamental,           
    bl_edu_ef_af = bloco.educação.ensino.fundamental.anos.finais,
    bl_edu_ef_ai = bloco.educação.ensino.fundamental.anos.iniciais,
    bl_edu_em = bloco.educação.ensino.médio,
    bl_edu_ea = bloco.educação.escolaridade.adulta,
    bl_edu_pre = bloco.educação.pré.escola,
    bl_rd = bloco.renda,
    bl_rd_aprop = bloco.renda.apropriação.da.renda,
    bl_rd_ger = bloco.renda.geração.da.renda,
    bl_sd = bloco.saúde,
    bl_sd_cond_gerais = bloco.saúde.condições.gerais.de.saúde,
    bl_sd_obitos_evitaveis = bloco.saúde.condições.gerais.de.saúde.óbitos.por.causas.evitáveis,
    bl_sd_obitos_mal_definido = bloco.saúde.condições.gerais.de.saúde.óbitos.por.causas.mal.definidas,
    bl_sd_long = bloco.saúde.longevidade,
    bl_sd_materno_infantil = bloco.saúde.saúde.materno.infantil,                                  
    bl_sd_consult_pre_natal = bloco.saúde.saúde.materno.infantil.consultas.pré.natal,
    bl_sd_morte_menor_5anos = bloco.saúde.saúde.materno.infantil.mortalidade.de.menores.de.5.anos
  )

  # Sumário rápido do dataset
  idese %>% 
    skim()
## Skim summary statistics
##  n obs: 3976 
##  n variables: 24 
## 
## -- Variable type:factor --------------------------------------------------------------------------------------------------------------------------------------
##   variable missing complete    n n_unique
##        cod       0     3976 3976      497
##       nome       0     3976 3976      497
##  tipo_unid       0     3976 3976        1
##                         top_counts ordered
##     430: 8, 430: 8, 430: 8, 430: 8   FALSE
##     Ace: 8, Águ: 8, Agu: 8, Aju: 8   FALSE
##  Mun: 3976, Con: 0, Coo: 0, Cor: 0   FALSE
## 
## -- Variable type:integer -------------------------------------------------------------------------------------------------------------------------------------
##  variable missing complete    n   mean   sd   p0     p25    p50     p75
##       ano       0     3976 3976 2010.5 2.29 2007 2008.75 2010.5 2012.25
##  p100     hist
##  2014 <U+2587><U+2587><U+2587><U+2587><U+2587><U+2587><U+2587><U+2587>
## 
## -- Variable type:numeric -------------------------------------------------------------------------------------------------------------------------------------
##                   variable missing complete    n     mean        sd   p0
##                     bl_edu       0     3976 3976     0.65     0.089    0
##                  bl_edu_ea       0     3976 3976     0.42     0.099    0
##                  bl_edu_ef       0     3976 3976     0.69     0.066    0
##               bl_edu_ef_af       0     3976 3976     0.66     0.067    0
##               bl_edu_ef_ai       0     3976 3976     0.72     0.082    0
##                  bl_edu_em       0     3976 3976     0.77     0.15     0
##                 bl_edu_pre       0     3976 3976     0.74     0.22     0
##                      bl_rd       0     3976 3976     0.62     0.11     0
##                bl_rd_aprop       0     3976 3976     0.63     0.12     0
##                  bl_rd_ger       0     3976 3976     0.61     0.14     0
##                      bl_sd       0     3976 3976     0.83     0.053    0
##          bl_sd_cond_gerais       0     3976 3976     0.76     0.06     0
##    bl_sd_consult_pre_natal       0     3976 3976     0.75     0.092    0
##                 bl_sd_long       0     3976 3976     0.88     0.063    0
##     bl_sd_materno_infantil       0     3976 3976     0.83     0.062    0
##    bl_sd_morte_menor_5anos       0     3976 3976     0.91     0.054    0
##     bl_sd_obitos_evitaveis       0     3976 3976     0.63     0.088    0
##  bl_sd_obitos_mal_definido       0     3976 3976     0.9      0.065    0
##                      idese       0     3976 3976     0.7      0.071    0
##                  população       6     3970 3976 22240.55 78493.34  1191
##      p25     p50      p75       p100     hist
##     0.6     0.66     0.72       0.84 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2585><U+2587><U+2583>
##     0.35    0.42     0.49       0.76 <U+2581><U+2581><U+2582><U+2586><U+2587><U+2585><U+2582><U+2581>
##     0.65    0.69     0.73       0.92 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2587><U+2587><U+2581>
##     0.62    0.66     0.7        0.88 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2587><U+2587><U+2581>
##     0.67    0.72     0.77       1    <U+2581><U+2581><U+2581><U+2581><U+2582><U+2587><U+2585><U+2581>
##     0.67    0.77     0.88       1    <U+2581><U+2581><U+2581><U+2581><U+2583><U+2587><U+2587><U+2586>
##     0.58    0.77     0.93       1    <U+2581><U+2581><U+2581><U+2582><U+2583><U+2585><U+2585><U+2587>
##     0.55    0.62     0.7        0.96 <U+2581><U+2581><U+2581><U+2582><U+2587><U+2587><U+2583><U+2581>
##     0.55    0.63     0.72       1    <U+2581><U+2581><U+2581><U+2583><U+2587><U+2587><U+2583><U+2581>
##     0.51    0.6      0.7        1    <U+2581><U+2581><U+2581><U+2585><U+2587><U+2586><U+2583><U+2581>
##     0.8     0.83     0.86       0.93 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2585><U+2587>
##     0.73    0.76     0.8        0.9  <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2587><U+2585>
##     0.7     0.77     0.82       0.96 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2585><U+2587><U+2582>
##     0.85    0.89     0.92       1    <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2586><U+2587>
##     0.8     0.84     0.87       0.96 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2587><U+2587>
##     0.89    0.92     0.94       1    <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2582><U+2587>
##     0.57    0.63     0.69       0.85 <U+2581><U+2581><U+2581><U+2581><U+2582><U+2587><U+2587><U+2582>
##     0.87    0.91     0.93       1    <U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2582><U+2587>
##     0.65    0.7      0.75       0.89 <U+2581><U+2581><U+2581><U+2581><U+2581><U+2585><U+2587><U+2582>
##  2979.5  5727    14732.25 1480967    <U+2587><U+2581><U+2581><U+2581><U+2581><U+2581><U+2581><U+2581>

Hipótese 1: Correlação Entre os Blocos

Vamos verificar se há alguma correlação entre os blocos educação, renda e saúde.

idese_corr <- idese %>% 
  mutate(Educacao = bl_edu, Renda = bl_rd, Saude = bl_sd) %>% 
  select(Educacao,Renda,Saude)

hchart(cor(idese_corr))

Hipótese 2: Desempenho do IDESE no RS

Como foi o IDESE do RS ao longo dos anos?

idese %>% 
    group_by(ano) %>% 
    summarise(media = mean(idese, na.rm = TRUE)) %>%
    ggplot(aes(x = ano, y = media)) +
    geom_line() +
    ylim(0,1) +
    ggtitle("Média IDESE no RS") + 
    xlab("Ano") + ylab("Média IDESE") +
    geom_text(aes(label=round(media,3)),hjust=0.5, vjust=2)

Hipótese 3: Avanço no Desempenho do Ensino Fundamental

Será que houve um avanço no desempenho dos alunos do Ensino Fundamental no RS?

idese %>% 
    group_by(ano) %>% 
    summarise(media = mean(bl_edu_ef, na.rm = TRUE)) %>%
    ggplot(aes(x = ano, y = media)) +
    geom_line() +
    ylim(0,1) +
    ggtitle("Média das Notas dos Alunos do Ensino Fundamental no RS") + 
    xlab("Ano") + ylab("Média de Notas") +
    geom_text(aes(label=round(media,3)),hjust=0.5, vjust=2)

Hipótese 4: Melhor Desempenho na Prova Brasil do Ensino Fundamental

Qual o grupo do Ensino Fundamental que apresentou melhor desempenho na Prova Brasil no RS?

idese %>% 
  group_by(ano) %>% 
  summarise(anos_iniciais = round(mean(bl_edu_ef_ai, na.rm = TRUE),3), anos_finais = round(mean(bl_edu_ef_af, na.rm = TRUE),3)) %>%
  gather(variable, value, c("anos_iniciais", "anos_finais")) %>%
  filter(variable %in% c("anos_iniciais", "anos_finais")) %>%
  mutate(value01 = scale(value)) %>% 
  hchart("line", hcaes(x = ano, y = value, group = variable)) %>% 
  hc_title(text = "Comparação da Média das Notas entre Alunos do Ensino Fundamental do RS") %>% 
  hc_xAxis(title = list(text = "Anos")) %>% 
  hc_yAxis(title = list(text = "Média das Notas")) %>% 
  hc_yAxis(max = 1)

Hipótese 5: Avanço nas Matrículas no Ensino Médio

Será que houve um aumento na taxa de matrícula de alunos no Ensino Médio no RS?

idese %>% 
    group_by(ano) %>% 
    summarise(media = mean(bl_edu_em, na.rm = TRUE)) %>%
    ggplot(aes(x = ano, y = media)) +
    geom_line() +
    ylim(0,1) +
    ggtitle("Taxa de Alunos Matriculados no Ensino Médio no RS") + 
    xlab("Ano") + ylab("Taxa de Matrículas (%)") +
    geom_text(aes(label=round(media,2)*100),hjust=0.5, vjust=2)

Hipótese 6: TOP 10 Cidades - Ensino Fundamental

Quais são as 10 cidades gaúchas que possuíram o melhor desempenho no Ensino Fundamental?

idese %>%
  group_by(nome) %>% 
  summarise(media = round(mean(bl_edu_ef, na.rm = TRUE),3)) %>%
  arrange(desc(media)) %>%
  slice(1:10) %>% 
  hchart(type = "treemap",
         hcaes(x = nome, value = media, color = media))

Hipótese 7: Distribuição IDESE no RS

Como está distribuído o IDESE no RS?

data(regMun) #carrega mapa com os municípios brasileiros

regMun %<>% 
  st_as_sf() %>% 
  filter(UF == 'RS') %>% 
  mutate(NOME = iconv(NOME, from = "UTF-8", to = "latin1"))

idese_mapa <- idese %>%
  group_by(cod) %>%
  summarise(media = round(mean(idese, na.rm = TRUE)*100,3)) %>% 
  mutate(cod = as.numeric(as.character(cod)))

xx <- regMun %>% 
  left_join(
  y = idese_mapa,
  by = c("COD" = "cod")
)

tooltip <- sprintf("<strong>%s</strong><br>
                   <br>Taxa: %s<br>",
                   xx$NOME,
                   xx$media)


# definindo a paleta de cores
npal <- colorBin("Blues", xx$media)

mapa1 <- leaflet(xx) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addPolygons(fillOpacity = 0,
              weight      = 0.85,
              color       = "#000000") %>%
   addPolygons(color      = ~npal(media),
              stroke      = F,
              weight      = 0.1,
              fillOpacity = 0.7,
              popup       = tooltip) %>%
    addLegend("bottomright",
              pal = npal,
              values = ~media,
              title = "IDESE")

mapa1

Hipótese 8: Taxa de Adultos com Ensino Médio

Quais são as regiões do RS que possuíram as maiores e menores taxas de adultos com Ensino Médio concluído?

idese_mapa <- idese %>%
  group_by(cod) %>%
  summarise(media = round(mean(bl_edu_ea, na.rm = TRUE)*100,3)) %>% 
  mutate(cod = as.numeric(as.character(cod)))

xx <- regMun %>% 
  left_join(
  y = idese_mapa,
  by = c("COD" = "cod")
)

tooltip <- sprintf("<strong>%s</strong><br>
                   <br>Taxa: %s<br>",
                   xx$NOME,
                   xx$media)


# definindo a paleta de cores
npal <- colorBin("Blues", xx$media)

mapa1 <- leaflet(xx) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addPolygons(fillOpacity = 0,
              weight      = 0.85,
              color       = "#000000") %>%
   addPolygons(color      = ~npal(media),
              stroke      = F,
              weight      = 0.1,
              fillOpacity = 0.7,
              popup       = tooltip) %>%
    addLegend("bottomright",
              pal = npal,
              values = ~media,
              title = "Taxa Adultos no EM (%)")

mapa1

Hipótese 9: Distribuição de Renda

Como está distribuída a geração de renda no RS?

#install_github(lgsilvaesilva/mapsBR')

idese_mapa <- idese %>%
  group_by(cod) %>%
  summarise(media = round(mean(bl_rd, na.rm = TRUE)*100,3)) %>% 
  mutate(cod = as.numeric(as.character(cod)))

xx <- regMun %>% 
  left_join(
  y = idese_mapa,
  by = c("COD" = "cod")
)

tooltip <- sprintf("<strong>%s</strong><br>
                   <br>Taxa: %s<br>",
                   xx$NOME,
                   xx$media)


# definindo a paleta de cores
npal <- colorBin("Blues", xx$media)

mapa1 <- leaflet(xx) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addPolygons(fillOpacity = 0,
              weight      = 0.85,
              color       = "#000000") %>%
   addPolygons(color      = ~npal(media),
              stroke      = F,
              weight      = 0.1,
              fillOpacity = 0.7,
              popup       = tooltip) %>%
    addLegend("bottomright",
              pal = npal,
              values = ~media,
              title = "Taxa Geração Renda")

mapa1

Hipótese 10: Índice de Longevidade

Quais são as regiões que apresentaram maior índice de longevidade?

#install_github(lgsilvaesilva/mapsBR')

idese_mapa <- idese %>%
  group_by(cod) %>%
  summarise(media = round(mean(bl_sd_long, na.rm = TRUE)*100,3)) %>% 
  mutate(cod = as.numeric(as.character(cod)))

xx <- regMun %>% 
  left_join(
  y = idese_mapa,
  by = c("COD" = "cod")
)

tooltip <- sprintf("<strong>%s</strong><br>
                   <br>Índice de Longevidade: %s<br>",
                   xx$NOME,
                   xx$media)


# definindo a paleta de cores
npal <- colorBin("Blues", xx$media)

mapa1 <- leaflet(xx) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addPolygons(fillOpacity = 0,
              weight      = 0.85,
              color       = "#000000") %>%
   addPolygons(color      = ~npal(media),
              stroke      = F,
              weight      = 0.1,
              fillOpacity = 0.7,
              popup       = tooltip) %>%
    addLegend("bottomright",
              pal = npal,
              values = ~media,
              title = "Taxa Longetividade")

mapa1

Hipótese 11: Desempenho do Índice de Longevidade

Será que houve um avanço no índice de longevidade no RS?

idese %>% 
    group_by(ano) %>% 
    summarise(media = mean(bl_sd_long, na.rm = TRUE)) %>%
    ggplot(aes(x = ano, y = media)) +
    geom_line() +
    ylim(0,1) +
    ggtitle("Taxa de Longevidade no RS") + 
    xlab("Ano") + ylab("Taxa de Longevidade") +
    geom_text(aes(label=round(media,3)),hjust=0.5, vjust=2)

Considerações Finais

  • A base de dados é composta por 3976 municípios.
  • Há uma relação entre a Renda dos municípios com o índice de Educação.
  • De um modo geral, o RS apresentou um aumento de 0.07% no IDESE de 2007 (0.671) a 2014 (0.745).
  • As regiões Metropolitana, Nordeste e Nordoeste se destacam por apresentarem os maiores índices de desenvolvimento (IDESE).
  • Houve um aumento no desempenho dos alunos do Ensino Fundamental no RS durante o período de 2007 a 2014. O grupo que apresentou melhor desempenho na Prova Brasil foram os alunos dos anos iniciais (1º ao 5º ano).
  • Houve um declínio na taxa de matriculados no Ensino Médio no RS. O último ano do período pesquisado (2014) foi de 78% matriculados, uma redução de 4% em comparação com o início do período (2007) com 82%. Durante esse período, o ano de 2011 foi o que apresentou o pior indicativo, com 73% matriculados no Ensino Médio.
  • As regiões que apresentaram melhor índice de adultos matriculados no Ensino Médico (em concentração de municípios) foram Região Metropolitana, Nordeste, Nordoeste e Sudoeste.
  • As regiões que apresentaram maior geração de renda (em concentração de municípios) foram Região Metropolitana, Nordeste e Nordoeste.
  • O RS possui um alto índice de longevidade, com média de 0.83, apresentando um aumento de 0.02% em 2014 em comparação com 2007. Os blocos de Renda e Educação apresentaram média de 0.65 e 0.62 respectivamente no período pesquisado.

Fonte das Regiões: https://pt.wikivoyage.org/wiki/Rio_Grande_do_Sul